摘要:针对正则化极端学习机的隐层具有随机选择的特性,提出了一种增加删除机制来自适应地确定正则化极端学习机的隐层节点数.这种机制以对优化目标函数影响的大小作为评价隐层节点优劣的标准,从而淘汰那些比较"差"的节点,将那些比较"优"的节点保留下来,起到一个优化正则化极端学习机隐层节点数的目的.与已有的只具有增加隐层节点数的机制相比较,本文提出的增加删除机制在减少正则化极端学习机隐层节点数、增强其泛化性能、提高其实时性等方面具有一定的优势.典型混沌时间序列的实例证明了具有增加删除机制的正则化极端学习机的有效性和可行性.
关键词:混沌时间序列 人工神经网络 极端学习机
单位:南京理工大学机械工程学院 南京210094
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社